能见度检测方法及装置、团雾检测方法、装置及系统与流程

计算;推算;计数设备的制造及其应用技术1.本技术涉及计算机视觉技术领域，特别涉及一种能见度检测方法及装置、团雾检测方法、装置及系统。背景技术：2.能见度又称为可见度，指观察者在正常视力下可以清楚看见物体的最大距离。能见度在道路交通领域有着广泛应用。由于能见度过低可能会导致驾驶员对前方的障碍物和行人的判断产生错误，进而造成交通事故，因此基于道路能见度对车速和车流进行调控，并在必要时作出封闭道路的决策，能够降低在低能见度条件下的交通事故发生率。3.相关技术中提供了一种基于视频图像处理的能见度检测系统，该检测系统中包括电荷耦合器件(charge coupled device，ccd)相机以及设置在ccd相机的拍摄区域内的光源和黑体。该检测系统通过ccd相机采集视频图像，然后采用图像处理算法提取采集到的视频图像中黑体的灰度值和光源的灰度值，并基于黑体的灰度值和光源的灰度值计算黑体和光源的亮度差，再利用黑体和光源的亮度差测定大气的消光系数，进而计算得到能见度。4.但是，由于ccd相机、光源和黑体的成本均较高，且这些设备对部署环境的要求较严格，因此相关技术中的能见度检测系统的应用局限性较高。技术实现要素：5.本技术提供了一种能见度检测方法及装置、团雾检测方法、装置及系统，可以解决目前的能见度检测系统的应用局限性较高的问题。6.第一方面，提供了一种能见度检测方法，应用于能见度检测系统，该能见度检测系统包括图像采集设备，图像采集设备的拍摄区域内设置有至少一个标志物。该方法可以应用于图像采集设备或与图像采集设备建立有通信连接的分析设备。该方法包括：采用目标检测算法检测图像采集设备采集到的图像中是否存在标志物成像。响应于该图像中存在标志物成像，获取标志物成像对应的可见标志物到图像采集设备的距离。根据可见标志物到图像采集设备的距离，确定图像采集设备所在位置的能见度。7.本技术中，通过在图像采集设备的拍摄区域内设置标志物，检测图像采集设备采集到的图像中是否存在标志物成像，以确定标志物是否可见，进一步可以根据可见标志物到图像采集设备的标定距离，确定图像采集设备所在位置的能见度。由于无需利用不同物体的亮度差来计算能见度，因此无需部署黑体和光源，本技术方案的运行成本较低且适用于各种环境，应用局限性较低。8.可选地，采用目标检测算法检测图像采集设备采集到的图像中是否存在标志物成像的实现过程，包括：确定图像中的roi，该roi包括标志物在图像中的成像区域。采用目标检测算法检测roi内是否存在标志物成像。9.本技术中，通过先确定图像中的roi，再采用目标检测算法检测roi内是否存在标志物成像，可以避免在全图中进行标志物检测而引起误报等情况，提高标志物检测的准确性和可靠性。具体实现中，可以对图像中的roi先进行适当倍数的放大，再检测该roi内是否存在标志物成像，以提高标志物检测的准确性。10.可选地，图像采集设备的拍摄区域内设置有多个标志物。根据可见标志物到图像采集设备的距离，确定图像采集设备所在位置的能见度的实现过程，包括：根据目标可见标志物到图像采集设备的距离，确定图像采集设备所在位置的能见度，目标可见标志物为多个可见标志物中距离到图像采集设备最远的可见标志物。11.可选地，标志物上设置有发光材料，发光材料被配置为发光。以使得在环境亮度较低时(例如夜晚)，图像采集设备也能够采集到标志物的图像，进而实现全天候的能见度检测。12.第二方面，提供了一种团雾检测方法。该方法可以应用于与图像采集设备建立有通信连接的分析设备。该方法包括：获取间隔设置的多个图像采集设备所在位置的能见度，每个图像采集设备的拍摄区域内设置有至少一个标志物，图像采集设备所在位置的能见度基于该图像采集设备采集到的图像中的标志物成像对应的可见标志物到该图像采集设备的距离得到。根据多个图像采集设备所在位置的能见度，确该多个图像采集设备的监测范围内是否发生团雾。13.可选地，获取多个图像采集设备所在位置的能见度的实现过程，包括：接收图像采集设备发送的该图像采集设备采集到的图像。采用目标检测算法检测该图像中是否存在标志物成像。响应于该图像中存在标志物成像，获取该标志物成像对应的可见标志物到该图像采集设备的距离。根据可见标志物到图像采集设备的距离，确定该图像采集设备所在位置的能见度。或者，也可以接收图像采集设备发送的该图像采集设备所在位置的能见度。14.可选地，根据多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾的实现过程，包括：响应于多个图像采集设备所在位置的能见度满足目标条件，确定该多个图像采集设备的监测范围内发生团雾。其中，目标条件包括：多个图像采集设备中存在目标图像采集设备，目标图像采集设备所在位置的能见度小于或等于其它图像采集设备所在位置的能见度，且其它图像采集设备所在位置的能见度沿远离目标图像采集设备的方向呈上升趋势。15.本技术中，通过在能见度检测系统中部署多个图像采集设备，基于团雾的局部分布特点，根据多个图像采集设备所在位置的能见度确定该多个图像采集设备的监测范围内是否发生团雾，当多个图像采集设备所在位置出现局部区域能见度下降时，确定该多个图像采集设备的监测范围内发生团雾，团雾检测的可靠性较高。16.可选地，根据多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾的实现过程，包括：向团雾预测模型输入能见度序列，以得到团雾预测模型输出的预测结果，能见度序列包括多个图像采集设备所在位置的能见度。该团雾预测模型可以是采用有监督学习算法训练得到的机器学习模型。17.可选地，该方法还包括：响应于该多个图像采集设备的监测范围内发生团雾，根据该多个图像采集设备所在位置的能见度，确定团雾的发生区域。18.本技术中，分析设备能够基于多个图像采集设备所在位置的能见度确定团雾的发生区域，并在后续输出的团雾预警中携带团雾的发生区域，便于实施区域性交通管制，保障道路交通安全。19.可选地，根据多个图像采集设备所在位置的能见度，确定团雾的发生区域的实现过程，包括：将该多个图像采集设备中的第一图像采集设备与第二图像采集设备之间的区域确定为团雾的发生区域。其中，第一图像采集设备和第二图像采集设备满足：第一图像采集设备与第二图像采集设备之间存在目标图像采集设备，第一图像采集设备所在位置和第二图像采集设备所在位置到目标图像采集设备所在位置的能见度分别呈下降趋势，且位于第一图像采集设备远离目标图像采集设备一侧的图像采集设备以及位于第二图像采集设备远离目标图像采集设备一侧的图像采集设备所在位置的能见度大于能见度阈值。20.可选地，该方法还包括：响应于该多个图像采集设备的监测范围内发生团雾，获取多个图像采集设备所在位置的能见度随时间变化的趋势。根据多个图像采集设备所在位置的能见度随时间变化的趋势，确定团雾的移动方向。21.本技术中，分析设备能够基于多个图像采集设备所在位置的能见度确定团雾的移动方向，并在输出的团雾预警中携带团雾的移动方向，通过预测团雾走向可以提前实施区域性交通管制，保障道路交通安全。22.可选地，该方法还包括：响应于该多个图像采集设备的监测范围内发生团雾，输出团雾预警。23.可选地，团雾预警包括团雾的发生区域和/或团雾的移动方向。24.第三方面，提供了一种能见度检测装置。所述装置包括多个功能模块，所述多个功能模块相互作用，实现上述第一方面及其各实施方式中的方法。所述多个功能模块可以基于软件、硬件或软件和硬件的结合实现，且所述多个功能模块可以基于具体实现进行任意组合或分割。25.第四方面，提供了一种团雾检测装置。所述装置包括多个功能模块，所述多个功能模块相互作用，实现上述第二方面及其各实施方式中的方法。所述多个功能模块可以基于软件、硬件或软件和硬件的结合实现，且所述多个功能模块可以基于具体实现进行任意组合或分割。26.第五方面，提供了一种团雾检测系统，包括：分析设备和间隔设置的多个图像采集设备，每个图像采集设备的拍摄区域内设置有至少一个标志物。27.在一种实现方式中，图像采集设备用于向分析设备发送该图像采集设备采集到的图像。分析设备用于采用目标检测算法检测该图像中是否存在标志物成像，响应于该图像中存在标志物成像，获取该标志物成像对应的可见标志物到图像采集设备的距离，并根据该可见标志物到图像采集设备的距离，确定该图像采集设备所在位置的能见度。分析设备还用于根据多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾。28.在另一种实现方式中，图像采集设备用于采用目标检测算法检测该图像采集设备采集到的图像中是否存在标志物成像，响应于该图像中存在标志物成像，获取该标志物成像对应的可见标志物到该图像采集设备的距离，并根据该可见标志物到该图像采集设备的距离，确定该图像采集设备所在位置的能见度。图像采集设备还用于向分析设备发送图像采集设备所在位置的能见度。分析设备用于根据多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾。29.第六方面，提供了一种能见度检测设备，包括：处理器和存储器；30.所述存储器，用于存储计算机程序，所述计算机程序包括程序指令；31.所述处理器，用于调用所述计算机程序，实现上述第一方面及其各实施方式中的方法。32.第七方面，提供了一种团雾检测设备，包括：处理器和存储器；33.所述存储器，用于存储计算机程序，所述计算机程序包括程序指令；34.所述处理器，用于调用所述计算机程序，实现上述第二方面及其各实施方式中的方法。35.第八方面，提供了一种计算机存储介质，所述计算机存储介质上存储有指令，当所述指令被能见度检测设备的处理器执行时，实现上述第一方面及其各实施方式中的方法；或者，当所述指令被团雾检测设备的处理器执行时，实现上述第二方面及其各实施方式中的方法。36.第九方面，提供了一种芯片，芯片包括可编程逻辑电路和/或程序指令，当芯片运行时，实现上述第一方面及其各实施方式中的方法或上述第二方面及其各实施方式中的方法。37.本技术提供的技术方案带来的有益效果至少包括：38.通过在图像采集设备的拍摄区域内设置标志物，检测图像采集设备采集到的图像中是否存在标志物成像，以确定标志物是否可见，进一步可以根据可见标志物到图像采集设备的标定距离，确定图像采集设备所在位置的能见度。由于无需利用不同物体的亮度差来计算能见度，因此无需部署黑体和光源，本技术方案的运行成本较低且适用于各种环境，应用局限性较低。进一步地，本技术实施例还可以通过部署多个图像采集设备，基于团雾的局部分布特点，根据多个图像采集设备所在位置的能见度确定该多个图像采集设备的监测范围内是否发生团雾，当多个图像采集设备所在位置出现局部区域能见度下降时，确定该多个图像采集设备的监测范围内发生团雾，团雾检测的可靠性较高，进而可以实施区域性交通管制，保障道路交通安全。附图说明39.图1是本技术实施例提供的一种能见度检测系统的结构示意图；40.图2是本技术实施例提供的一种标志物的结构示意图；41.图3是本技术实施例提供的一种能见度检测方法的流程示意图；42.图4是本技术实施例提供的一种图像中划分有roi的示意图；43.图5是本技术实施例提供的一种团雾检测系统的结构示意图；44.图6是本技术实施例提供的一种团雾检测方法的流程示意图；45.图7是本技术实施例提供的一种能见度序列的分布示意图；46.图8是本技术实施例提供的多个图像采集设备所在位置的能见度随时间变化趋势示意图；47.图9是本技术实施例提供的能见度序列随时间变化的趋势示意图；48.图10是本技术实施例提供的一种能见度检测装置的结构示意图；49.图11是本技术实施例提供的一种团雾检测装置的结构示意图；50.图12是本技术实施例提供的另一种团雾检测装置的结构示意图；51.图13是本技术实施例提供的又一种团雾检测装置的结构示意图；52.图14是本技术实施例提供的再一种团雾检测装置的结构示意图；53.图15是本技术实施例提供的一种能见度检测设备的框图；54.图16是本技术实施例提供的一种团雾检测设备的框图。具体实施方式55.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。56.图1是本技术实施例提供的一种能见度检测系统的结构示意图。如图1所示，该能见度检测系统包括图像采集设备101，该图像采集设备101的拍摄区域内设置有至少一个标志物。例如参见图1，图像采集设备101的拍摄区域内设置有多个标志物a1-a3(统称为标志物a)。标志物a1-a3到图像采集设备101的距离分别为50米、100米和200米。图1中标志物的数量和设置位置仅用作示例性说明，并不用作对本技术实施例提供的能见度检测系统的限定。例如图像采集设备的拍摄区域内的多个标志物还可以等间距分布，等等。57.图像采集设备101为具有图像传感器的设备，例如可以是照相机、摄像机、摄像头、手机、电脑或可穿戴设备等。标志物a为在所处环境中具有标识性的物体，例如可以是警示牌或警示灯等。58.可选地，图2是本技术实施例提供的一种标志物的结构示意图。如图2所示，标志物a上设置有发光材料m，该发光材料m可以发光，以使得在环境亮度较低时(例如夜晚)，图像采集设备101也能够采集到标志物a的图像，进而实现全天候的能见度检测。在实际部署时，可以在标志物a设置发光二极管(light emitting diode，led)并通过太阳能电池板为led供电。该led可以具有光感功能，该led可以被配置为在检测到所处环境亮度低于目标亮度时发光。例如，该led白天不发光，夜晚根据环境亮度自动开启以点亮标志物。可选地，标志物a上的发光材料可以闪烁发光或者也可以持续发光，本技术实施例对发光材料的发光方式不做限定。发光材料还可以是反光材料(通过反射发光)或荧光材料。59.可选地，请继续参见图2，标志物a上还可以标识有该标志物a到图像采集设备101的距离，该距离根据标志物a和图像采集设备101的实际部署情况进行标定。例如图2中的标志物a到图像采集设备101的距离为50米，则该标志物a上可以标识有“50m”的距离标识。在如图1所示的能见度检测系统中，标志物a1上可以标识有“50m”的距离标识，标志物a2上可以标识有“100m”的距离标识，标志物a3上可以标识有“200m”的距离标识。标志物a可以是道路旁原有的交通标识，例如限速标识、警告标识、休息区标识、进/出口标识等。60.本技术实施例提供的能见度检测系统可以部署在需要检测能见度的多个场景，例如可以部署在隧道、城市道路或高速公路等，对部署环境没有严格的要求。图像采集设备101可以单独设置，还可以直接使用环境中原有已部署的摄像机(例如抓拍违章的卡口摄像机)等，以节约部署成本。当在高速公路上部署该能见度检测系统时，可以在高速公路两旁的护栏上架设图像采集设备和标志物。针对能见度，高速交通管制可以实施三级管控措施：当能见度处于100米至200米之间时，实施限速60公里每小时的管控措施；当能见度处于50米至100米之间时，实施限速40公里每小时的管控措施；当能见度小于50米时，实施封闭高速的管控措施，以保障道路交通安全。61.在如图1所示的能见度检测系统中，图像采集设备101用于采集图像。可选地，该图像采集设备101还可以集成图像处理功能，该图像采集设备101还可以用于基于计算机视觉技术对采集到的图像进行分析以确定该图像采集设备101所在位置的能见度。当然，图像采集设备101也可以将采集到的图像发送给其它设备，由其它设备基于计算机视觉技术对该图像采集设备101采集到的图像进行分析以确定该图像采集设备101所在位置的能见度。本技术实施例对此不做限定。62.图3是本技术实施例提供的一种能见度检测方法的流程示意图。该方法可以应用于如图1所示的能见度检测系统中的图像采集设备101。如图3所示，该方法包括：63.步骤301、采用目标检测算法检测图像采集设备采集到的图像中是否存在标志物成像。64.可选地，本技术实施例所采用的目标检测算法的类型可以是one-stage方法，例如ssd(single shot multibox detector)算法或yolo(you only look once)算法等。或者，本技术实施例所采用的目标检测算法的类型也可以是two-stage方法，例如基于区域的卷积神经网络(region-based convolutional neural network，r-cnn)算法。本技术实施例对所采用的目标检测算法不做限定。例如可以采用yolov3算法检测图像中的标志物成像，该算法所采用的损失函数由中心误差、宽高误差、置信度误差以及分类误差这四部分组成。65.可选地，步骤301的实现过程包括以下步骤3011至步骤3012：66.在步骤3011中，确定图像中的兴趣域(region of interest，roi)，该roi包括标志物在图像中的成像区域。67.可选地，图像中的roi可以是根据标志物在图像采集设备的拍摄区域内的位置预先配置的，通过在图像采集设备中预先定义roi参数，图像采集设备采集到图像后，可以基于该roi参数确定该图像中的roi。该roi可以是矩形roi，矩形roi的参数可以以(行起始位置，行终止位置，列起始位置，列终止位置)或(行起始位置，列起始位置，宽度，高度)等形式表示。或者，该roi也可以是其它形状，本技术实施例对此不做限定。68.可选地，当图像采集设备的拍摄区域内设置有多个标志物，则可以预先配置图像中的多个roi，每个roi包括一个标志物的成像区域。例如在如图1所示的能见度检测系统中，图像采集设备101的拍摄区域内设置有3个标志物a1-a3，则可以预先配置该图像采集设备101采集的图像中的3个roi。图像采集设备101获取图像采集设备101采集到的图像后，可以根据预先定义的roi参数确定该图像中的3个roi，分别记为roi1-3，如图4所示，roi1包括标志物a1的成像区域，roi2包括标志物a2的成像区域，roi3包括标志物a3的成像区域。69.可选地，图像采集设备中还可以存储有roi与标定距离的对应关系，该标定距离为该roi所对应的标志物到图像采集设备的距离。例如，roi1所对应的标志物为标志物a1，roi1对应的标定距离为50米。roi与标定距离的对应关系可以是预先配置的，或者也可以是由图像采集设备基于图像分析得到的，例如标志物上标识有到图像采集设备的距离，则可以在图像中识别出该距离标识并确定roi与标定距离的对应关系。70.在步骤3012中，采用目标检测算法检测roi内是否存在标志物成像。71.可选地，当图像中包括多个roi时，在一种实现方式中，图像采集设备可以分别采用目标检测算法检测各个roi内是否存在标志物成像，并输出对应的标志物的可见性，若在对应的roi内检测到标志物成像，则输出可见，否则输出不可见。在另一种实现方式中，当图像采集设备中存储有roi与标定距离的对应关系时，可以先采用目标检测算法检测对应的标定距离最远的roi内是否存在标志物成像，若对应的标定距离最远的roi内不存在标志物成像，再采用目标检测算法检测对应的标定距离次远的roi内是否存在标志物成像；若对应的标定距离最远的roi内存在标志物成像，则不再检测其它roi内是否存在标志物成像。以此类推，可以按照对应的标定距离由远至近的顺序依次检测roi内是否存在标志物成像，一旦检测到某个roi内存在标志物成像，就停止检测，并输出该roi对应的标志物可见。采用上述第二种实现方式，一方面可以对图像中的roi进行有针对性地检测，提高检测效率，另一方面可以尽可能减少图像中需要检测的roi的数量，以节约计算资源。72.本技术实施例中，通过先确定图像中的roi，再采用目标检测算法检测roi内是否存在标志物成像，可以避免在全图中进行标志物检测而引起误报等情况，提高标志物检测的准确性和可靠性。具体实现中，可以对图像中的roi先进行适当倍数的放大，再检测该roi内是否存在标志物成像，以提高标志物检测的准确性。73.当然，在步骤301中也可以直接采用目标检测算法检测全图中的标志物成像，本技术实施例对此不做限定。74.步骤302、响应于该图像中存在标志物成像，获取标志物成像对应的可见标志物到该图像采集设备的距离。75.可选地，图像采集设备中预先存储有图像采集设备的拍摄区域内的标志物到该图像采集设备的距离。例如，在能见度检测系统部署完成后，可以向图像采集设备输入标志物到图像采集设备的距离。76.可选地，当图像采集设备的拍摄区域内设置有多个标志物时，可以在图像采集设备中存储多个roi与标定距离的对应关系，当在一个roi内检测到标志物成像，则可以将该roi对应的标定距离确定为该标志物成像对应的可见标志物到图像采集设备的距离。例如在如图1所示的能见度检测系统中，图像采集设备101中可以存储有对应关系：{roi1(a1)→50m；roi2(a2)→100m；roi3(a3)→200m}。当图像采集设备101在roi1内检测到标志物成像时，基于该对应关系确定该标志物成像对应的可见标志物a1到图像采集设备101的距离为50米。77.或者，当标志物上标识有该标志物到图像采集设备的距离，例如标志物如图2所示，图像采集设备在图像中检测到标志物成像后，可以采用图像识别的方式识别出该标志物成像中的距离标识，以得到标志物成像对应的可见标志物到该图像采集设备的距离。78.步骤303、根据可见标志物到图像采集设备的标定距离，确定图像采集设备所在位置的能见度。79.可选地，当图像采集设备的拍摄区域内设置有多个标志物，步骤303的实现过程包括：根据目标可见标志物到图像采集设备的距离，确定图像采集设备所在位置的能见度。目标可见标志物为多个可见标志物中距离到图像采集设备最远的可见标志物。80.可选地，当目标可见标志物为图像采集设备的拍摄区域内设置的最远的标志物时，可以确定图像采集设备所在位置的能见度大于或等于该目标可见标志物到图像采集设备的距离。例如在如图1所示的能见度检测系统中，图像采集设备101在采集到的图像中检测到了标志物a3对应的标志物成像，则可以确定图像采集设备101所在位置的能见度大于或等于200米。当目标可见标志物不为图像采集设备的拍摄区域内设置的最远的标志物时，可以确定图像采集设备所在位置的能见度等于该目标可见标志物到图像采集设备的距离。例如在如图1所示的能见度检测系统中，图像采集设备101在采集到的图像中检测到了标志物a1和标志物a2对应的标志物成像，则可以确定图像采集设备101所在位置的能见度等于100米。由于图像采集设备101在图像中并未检测到标志物a3对应的标志物成像，因此可以确定图像采集设备101所在位置的能见度必然小于200米，但是并不排除图像采集设备101所在位置能够看清100米到200米之间的物体，因此这种情况下图像采集设备101所在位置的能见度也可能为100米到200之间的某个数值，为保险起见，这种情况下可以将图像采集设备101所在位置的能见度确定为100米。81.可选地，响应于图像中不存在标志物成像，确定图像采集设备所在位置的能见度小于该图像采集设备的拍摄区域内，距离该图像采集设备最近的标志物到该图像采集设备的距离。例如在如图1所示的能见度检测系统中，图像采集设备101在采集到的图像中未检测到标志物成像，则确定图像采集设备101所在位置的能见度小于50米。82.综上所述，本技术实施例提供的能见度检测方法，通过在图像采集设备的拍摄区域内设置标志物，检测图像采集设备采集到的图像中是否存在标志物成像，以确定标志物是否可见，进一步可以根据可见标志物到图像采集设备的标定距离，确定图像采集设备所在位置的能见度。由于无需利用不同物体的亮度差来计算能见度，因此无需部署黑体和光源，本技术方案的运行成本较低且适用于各种环境，应用局限性较低。83.当能见度检测系统包括间隔设置的多个图像采集设备时，本技术实施例还能进一步用于实现团雾检测。团雾是一种局部范围的、分布随机性高的团状雾。团雾在高速交通路段易发，是由于高速公路路面早晚的温差，结合汽车尾气排放和秸秆燃烧等因素导致的。当驾车进入团雾后，能见度急剧降低，这种能见度的突然变化会严重影响驾驶人员的驾驶判断，威胁交通安全。此外，团雾外视线良好，团雾内一片朦胧。与一般的雾气不同，团雾的出现与消退征兆不多，其出现的时间、地点以及分布情况也是随机性比较高的，这种随机性增加了高速公路上的行车隐患。因此对高速公路进行团雾检测预报，以及时向驾驶人员发布团雾预警等于高速行车安全有重要意义。84.本技术实施例通过在团雾易发地区部署多个图像采集设备，基于团雾的局部分布特点，根据多个图像采集设备所在位置的能见度实现团雾检测。85.可选地，图5是本技术实施例提供的一种团雾检测系统的结构示意图。该团雾检测系统也可以作为能见度检测系统。如图5所示，该团雾检测系统包括间隔设置的多个图像采集设备101a-101f(可统称为图像采集设备101)以及分析设备102。每个图像采集设备101的拍摄区域内设置有至少一个标志物，具体可参见图1。图5中图像采集设备和标志物的数量和设置位置仅用作示例性说明，并不用作对本技术实施例提供的团雾检测系统的限定。86.图像采集设备101与分析设备102之间建立有通信连接。图像采集设备101也可称为前端，分析设备102也可称为后端。分析设备102为具有数据处理功能的计算机设备，例如可以是手机、电脑或服务器等。其中，该服务器可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。87.可选地，相邻设置的两个图像采集设备的间距范围可以为500米至3000米。多个图像采集设备101可以等间距部署。图像采集设备的部署密度和部署数量可根据实际需求设置，本技术实施例对此不做限定。88.在如图5所示的团雾检测系统中，图像采集设备101在采集到图像后，可以执行上述步骤301至步骤303，然后将得到的该图像采集设备101所在位置的能见度发送给分析设备102；分析设备102基于多个图像采集设备101所在位置的能见度实现团雾检测。或者，图像采集设备101将采集到的图像发送给分析设备102；分析设备102先执行上述步骤301至步骤303以确定该图像采集设备101所在位置的能见度，然后基于多个图像采集设备101所在位置的能见度实现团雾检测。也即是，如图3所示的能见度检测方法可以由图像采集设备101执行，或者也可以由分析设备102执行。89.可选地，图6是本技术实施例提供的一种团雾检测方法的流程示意图。该方法可以应用于如图5所示的团雾检测系统中的分析设备102。如图6所示，该方法包括：90.步骤601、获取间隔设置的多个图像采集设备所在位置的能见度。91.每个图像采集设备的拍摄区域内设置有至少一个标志物。该图像采集设备所在位置的能见度基于该图像采集设备采集到的图像中的标志物成像对应的可见标志物到该图像采集设备的距离得到。92.在一种可能实现方式中，步骤601的实现过程包括：分析设备接收图像采集设备发送的该图像采集设备采集到的图像。分析设备采用目标检测算法检测图像中是否存在标志物成像。响应于该图像中存在标志物成像，分析设备获取该标志物成像对应的可见标志物到该图像采集设备的距离。分析设备根据该可见标志物到该图像采集设备的距离，确定该图像采集设备所在位置的能见度。其中，分析设备确定图像采集设备所在位置的能见度的方式可参考上述步骤301至步骤303，本技术实施例在此不再赘述。93.在另一种可能实现方式中，步骤601的实现过程包括：分析设备接收图像采集设备发送的该图像采集设备所在位置的能见度。其中，图像采集设备确定该图像采集设备所在位置的能见度的方式可参考上述步骤301至步骤303，本技术实施例在此不再赘述。94.步骤602、根据该多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾。95.可选地，响应于多个图像采集设备所在位置的能见度满足目标条件，确定该多个图像采集设备的监测范围内发生团雾。其中，目标条件包括：多个图像采集设备中存在目标图像采集设备，该目标图像采集设备所在位置的能见度小于或等于其它图像采集设备所在位置的能见度，且其它图像采集设备所在位置的能见度沿远离目标图像采集设备的方向呈上升趋势。也即是，当多个图像采集设备所在位置出现局部区域能见度下降时，确定该多个图像采集设备的监测范围内发生团雾。96.例如在如图5所示的团雾检测系统中，图像采集设备101a、图像采集设备101d、图像采集设备101e和图像采集设备101f所在位置的能见度大于或等于200米，图像采集设备101b所在位置的能见度为100米，图像采集设备101c所在位置的能见度小于50米，也即是，从图像采集设备101a所在位置至图像采集设备101f所在位置的能见度临界值依次为：200米、100米、50米、200米、200米和200米，呈现两端平稳且中间下降(即局部区域能见度下降)的特征，因此可以确定该多个图像采集设备的监测范围内发生团雾。97.由于正常天气情况下，多个图像采集设备所在位置的能见度均较高，该多个图像采集设备所在位置的能见度基本相同；在大雾天气情况下，多个图像采集设备所在位置的能见度均较低，该多个图像采集设备所在位置的能见度也基本相同。因此本技术实施例基于团雾的局部分布特点，根据多个图像采集设备所在位置的能见度确定该多个图像采集设备的监测范围内是否发生团雾，当多个图像采集设备所在位置出现局部区域能见度下降时，确定该多个图像采集设备的监测范围内发生团雾，团雾检测的可靠性较高。98.可选地，分析设备可以向团雾预测模型输入能见度序列，以得到该团雾预测模型输出的预测结果，该能见度序列包括多个图像采集设备所在位置的能见度。其中，团雾预测模型可以是采用有监督学习算法基于多个能见度序列样本训练得到的机器学习模型，能见度序列样本包括能见度检测系统中的多个图像采集设备所在位置的能见度以及指示该多个图像采集设备的监测范围内是否发生团雾的标签。该团雾预测模型可以是由分析设备训练得到的，或者也可以是由其它设备训练得到后发送给分析设备的，本技术实施例对此不做限定。99.例如，该团雾预测模型可以基于自回归和滑动平均(auto-regressive and moving average，arma)模型构建。arma模型表示如下：100.yt＝β1yt-1+β2yt-2+…+βpyt-p+zt101.其中，t表示时刻，yt表示t时刻输入的能见度序列，β表示模型参数，z表示误差项，可以由下式表示：102.zt＝εt+α1εt-1+α2εt-2+…+αpεt-q103.其中，εt表示独立同分布的随机变量序列，α为参数。104.在arma模型构建过程中，对多个能见度序列样本进行arma拟合(即对能见度序列进行平滑处理)，以确定模型参数和误差项；在arma模型使用过程中，arma模型对输入的能见度序列进行预测，当预测值偏离设定值的波动标准差之外，则确定发生团雾。其中设定值为先验值，可以基于能见度序列样本确定。105.可选地，分析设备在获取能见度序列后，可以先对该能见度序列进行平衡性和/或白噪声检验，以去除数据自身的周期波动影响和偶发异常值，再将经过检验的能见度序列输入团雾预测模型以得到预测结果，从而可以提高团雾检测的准确性。106.步骤603、响应于该多个图像采集设备的监测范围内发生团雾，输出团雾预警。107.可选地，响应于该多个图像采集设备的监测范围内发生团雾，分析设备还可以根据多个图像采集设备所在位置的能见度，确定团雾的发生区域。分析设备可以将该多个图像采集设备中的第一图像采集设备与第二图像采集设备之间的区域确定为团雾的发生区域。其中，第一图像采集设备和第二图像采集设备满足：第一图像采集设备与第二图像采集设备之间存在目标图像采集设备，第一图像采集设备所在位置和第二图像采集设备所在位置到目标图像采集设备所在位置的能见度分别呈下降趋势，且位于第一图像采集设备远离目标图像采集设备一侧的图像采集设备以及位于第二图像采集设备远离目标图像采集设备一侧的图像采集设备所在位置的能见度大于能见度阈值。也即是，分析设备可以将位于能见度下降的局部区域两端的图像采集设备分别作为团雾发生区域的起点和终点。108.可选地，该能见度阈值可以是图像采集设备的拍摄区域内到该图像采集设备的距离最大的标志物到该图像采集设备的距离，或者，该能见度阈值也可以人为设定，例如该能见度阈值可以设置为200米。109.例如，图7是本技术实施例提供的一种能见度序列的分布示意图。该能见度序列包括如图5所示的团雾检测系统中的图像采集设备101a-101f所在位置的能见度。如图7所示，图像采集设备101a所在位置至图像采集设备101f所在位置的能见度临界值依次为：200米、100米、50米、200米、200米和200米，分析设备可以将图像采集设备101a与图像采集设备101d之间的区域确定为团雾的发生区域。110.可选地，分析设备输出的团雾预警包括团雾的发生区域。分析设备中可以存储有各个图像采集设备的地理位置信息，团雾的发生区域可以采用上述第一图像采集设备的地理位置location1和第二图像采集设备的地理位置location2(即团雾发生的局部区域两端的图像采集设备的地理位置)来表示，例如可以表示为{团雾预警：location1→location2}。111.本技术实施例中，分析设备能够基于多个图像采集设备所在位置的能见度确定团雾的发生区域，并在输出的团雾预警中携带团雾的发生区域，便于实施区域性交通管制，保障道路交通安全。112.可选地，响应于该多个图像采集设备的监测范围内发生团雾，分析设备还可以获取多个图像采集设备所在位置的能见度随时间变化的趋势，然后根据该多个图像采集设备所在位置的能见度随时间变化的趋势，确定团雾的移动方向。113.例如，图8是本技术实施例提供的多个图像采集设备所在位置的能见度随时间变化趋势示意图。如图8所示，在t1时刻，图像采集设备101a所在位置的能见度为200米，图像采集设备101b所在位置的能见度为100米，图像采集设备101c所在位置的能见度为50米，图像采集设备101d所在位置的能见度为200米，图像采集设备101e所在位置的能见度为200米，图像采集设备101f所在位置的能见度为200米；在t2时刻，图像采集设备101a所在位置的能见度为200米，图像采集设备101b所在位置的能见度为200米，图像采集设备101c所在位置的能见度为100米，图像采集设备101d所在位置的能见度为50米，图像采集设备101e所在位置的能见度为100米，图像采集设备101f所在位置的能见度为200米；在t3时刻，图像采集设备101a所在位置的能见度为200米，图像采集设备101b所在位置的能见度为200米，图像采集设备101c所在位置的能见度为200米，图像采集设备101d所在位置的能见度为100米，图像采集设备101e所在位置的能见度为50米，图像采集设备101f所在位置的能见度为200米。进一步的，基于图8可以得到如图9所示的能见度序列随时间变化的趋势示意图。基于图9可知，团雾的移动方向为从图像采集设备101b所在位置起至图像采集设备101e所在位置的方向。114.可选地，分析设备输出的团雾预警包括团雾的移动方向。分析设备中可以存储有各个图像采集设备的地理位置信息，团雾的移动方向可以采用方位指向表示，例如可以表示为{团雾预警：从location1向东南方向移动}。115.本技术实施例中，分析设备能够基于多个图像采集设备所在位置的能见度确定团雾的移动方向，并在输出的团雾预警中携带团雾的移动方向，通过预测团雾走向可以提前实施区域性交通管制，保障道路交通安全。116.综上所述，本技术实施例提供的团雾检测方法，通过在图像采集设备的拍摄区域内设置标志物，检测图像采集设备采集到的图像中是否存在标志物成像，以确定标志物是否可见，进一步可以根据可见标志物到图像采集设备的标定距离，确定图像采集设备所在位置的能见度。由于无需利用不同物体的亮度差来计算能见度，因此无需部署黑体和光源，本技术方案的运行成本较低且适用于各种环境，应用局限性较低。进一步地，本技术实施例还可以通过部署多个图像采集设备，基于团雾的局部分布特点，根据该多个图像采集设备所在位置的能见度确定该多个图像采集设备的监测范围内是否发生团雾，当多个图像采集设备所在位置出现局部区域能见度下降时，确定该多个图像采集设备的监测范围内发生团雾，团雾检测的可靠性较高，进而可以实施区域性交通管制，保障道路交通安全。117.本技术实施例提供的能见度检测方法和/或团雾检测方法的步骤先后顺序可以进行适当调整，步骤也可以根据情况进行相应增减。任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本技术的保护范围之内，例如，图像采集设备可以仅用于采集图像并向分析设备发送采集到的图像，上述步骤301至步骤303以及步骤601至步骤603均由分析设备执行，或者，图像采集设备可以用于采集图像并执行上述步骤301至步骤303，并向分析设备发送该图像采集设备所在位置的能见度，分析设备用于执行上述步骤601至步骤603，本技术实施例在此不再一一赘述。118.图10是本技术实施例提供的一种能见度检测装置的结构示意图。应用于能见度检测系统，该能见度检测系统包括图像采集设备，图像采集设备的拍摄区域内设置有至少一个标志物。该装置可以是如图1所示的能见度检测系统中的图像采集设备101或者是如图5所示的团雾检测系统中的分析设备102。如图10所示，该装置100包括：119.检测模块1001，用于采用目标检测算法检测图像采集设备采集到的图像中是否存在标志物成像。此模块的功能实现可以参考上述步骤301的相关描述。120.获取模块1002，用于响应于图像中存在标志物成像，获取标志物成像对应的可见标志物到图像采集设备的距离。此模块的功能实现可以参考上述步骤302的相关描述。121.确定模块1003，用于根据可见标志物到图像采集设备的距离，确定图像采集设备所在位置的能见度。此模块的功能实现可以参考上述步骤303的相关描述。122.可选地，检测模块1001，用于：确定图像中的roi，roi包括标志物在图像中的成像区域；采用目标检测算法检测roi内是否存在标志物成像。123.可选地，图像采集设备的拍摄区域内设置有多个标志物；第一确定模块1003，用于：根据目标可见标志物到图像采集设备的距离，确定图像采集设备所在位置的能见度，目标可见标志物为多个可见标志物中距离到图像采集设备最远的可见标志物。124.可选地，标志物上设置有发光材料，发光材料被配置为发光。125.综上所述，本技术实施例提供了一种能见度检测装置，通过在图像采集设备的拍摄区域内设置标志物，通过检测模块检测图像采集设备采集到的图像中是否存在标志物成像，以确定标志物是否可见，进一步可以通过确定模块根据可见标志物到图像采集设备的标定距离，确定图像采集设备所在位置的能见度。由于无需利用不同物体的亮度差来计算能见度，因此无需部署黑体和光源，本技术方案的运行成本较低且适用于各种环境，应用局限性较低。126.图11是本技术实施例提供的一种团雾检测装置的结构示意图。该装置可以是如图5所示的团雾检测系统中的分析设备102。如图11所示，该装置110包括：127.第一获取模块1101，用于获取间隔设置的多个图像采集设备所在位置的能见度，每个图像采集设备的拍摄区域内设置有至少一个标志物，该图像采集设备所在位置的能见度基于该图像采集设备采集到的图像中的标志物成像对应的可见标志物到该图像采集设备的距离得到。此模块的功能实现可以参考上述步骤601的相关描述。128.第一确定模块1102，用于根据该多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾。此模块的功能实现可以参考上述步骤602的相关描述。129.可选地，第一获取模块1101，用于：接收图像采集设备发送的该图像采集设备采集到的图像；采用目标检测算法检测该图像中是否存在标志物成像；响应于该图像中存在标志物成像，获取该标志物成像对应的可见标志物到该图像采集设备的距离；根据可见标志物到该图像采集设备的距离，确定图像采集设备所在位置的能见度。130.可选地，第一确定模块1102，用于：响应于多个图像采集设备所在位置的能见度满足目标条件，确定该多个图像采集设备的监测范围内发生团雾；其中，目标条件包括：多个图像采集设备中存在目标图像采集设备，目标图像采集设备所在位置的能见度小于或等于其它图像采集设备所在位置的能见度，且其它图像采集设备所在位置的能见度沿远离目标图像采集设备的方向呈上升趋势。131.可选地，第一确定模块1102，用于：向团雾预测模型输入能见度序列，以得到团雾预测模型输出的预测结果，能见度序列包括多个图像采集设备所在位置的能见度。132.可选地，如图12所示，装置110还包括：第二确定模块1103，用于响应于该多个图像采集设备的监测范围内发生团雾，根据多个图像采集设备所在位置的能见度，确定团雾的发生区域。133.可选地，第二确定模块1103，用于：将该多个图像采集设备中的第一图像采集设备与第二图像采集设备之间的区域确定为团雾的发生区域；其中，第一图像采集设备和第二图像采集设备满足：第一图像采集设备与第二图像采集设备之间存在目标图像采集设备，第一图像采集设备所在位置和第二图像采集设备所在位置到目标图像采集设备所在位置的能见度分别呈下降趋势，且位于第一图像采集设备远离目标图像采集设备一侧的图像采集设备以及位于第二图像采集设备远离目标图像采集设备一侧的图像采集设备所在位置的能见度大于能见度阈值。134.可选地，如图13所示，装置110还包括：第二获取模块1104，用于响应于该多个图像采集设备的监测范围内发生团雾，获取多个图像采集设备所在位置的能见度随时间变化的趋势。第三确定模块1105，用于根据该多个图像采集设备所在位置的能见度随时间变化的趋势，确定团雾的移动方向。135.可选地，如图14所示，装置110还包括：输出模块1106，用于响应于该多个图像采集设备的监测范围内发生团雾，输出团雾预警。此模块的功能实现可以参考上述步骤603的相关描述。136.可选地，团雾预警包括团雾的发生区域和/或团雾的移动方向。137.综上所述，本技术实施例提供了一种团雾检测装置，通过部署多个图像采集设备，基于团雾的局部分布特点，通过第一确定模块根据多个图像采集设备所在位置的能见度确定该多个图像采集设备的监测范围内是否发生团雾，当多个图像采集设备所在位置出现局部区域能见度下降时，确定该多个图像采集设备的监测范围内发生团雾，团雾检测的可靠性较高，进而可以实施区域性交通管制，保障道路交通安全。138.应理解的是，本技术实施例提供的能见度检测装置和团雾检测装置还可以用专用集成电路(application-specific integrated circuit，asic)实现，或可编程逻辑器件(programmable logic device，pld)实现，上述pld可以是复杂程序逻辑器件(complex programmable logical device，cpld)，现场可编程门阵列(field-programmable gate array，fpga)，通用阵列逻辑(generic array logic，gal)或其任意组合。也可以通过软件实现上述方法实施例提供的方法，当通过软件实现上述方法实施例提供的方法时，该能见度检测装置中的各个模块也可以为软件模块。139.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的能见度检测装置及各模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。140.本技术实施例还提供了一种能见度检测设备，包括：处理器和存储器；141.所述存储器，用于存储计算机程序，所述计算机程序包括程序指令；142.所述处理器，用于调用所述计算机程序，实现上述方法实施例提供的能见度检测方法。143.可选地，图15是本技术实施例提供的一种能见度检测设备的框图。该能见度检测设备1500可以是如图1或图5所示的图像采集设备101，或者可以是如图5所示的分析设备102。参考图15，该装置1500可以包括：处理器1501、存储器1502、收发器1503和总线1504。其中，总线1504用于连接处理器1501、存储器1502和收发器1503。通过收发器1503(可以是有线或者无线)可以实现与其他设备之间的通信连接，例如图像采集设备可以通过收发器1503发送能见度信息，分析设备可以通过收发器接收能见度信息。存储器1502中存储有计算机程序，该计算机程序用于实现各种应用功能。该装置1500例如是智能摄像机、服务器、服务器集群，或者云计算系统。144.应理解，在本技术实施例中，处理器1501可以是cpu，该处理器1501还可以是其他通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、gpu或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。145.存储器1502可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是rom、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、eeprom或闪存。易失性存储器可以是ram，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data date sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synchlink dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，dr ram)。146.总线1504除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线1504。147.处理器1501被配置为执行存储器1502中存储的计算机程序15021，处理器1501通过执行该计算机程序15021来实现上述方法实施例提供的能见度检测方法。148.本技术实施例还提供了一种团雾检测设备，处理器和存储器；149.所述存储器，用于存储计算机程序，所述计算机程序包括程序指令；150.所述处理器，用于调用所述计算机程序，实现上述方法实施例提供的团雾检测方法。151.可选地，图16是本技术实施例提供的一种团雾检测设备的框图。该团雾检测设备1600可以是如图5所示的分析设备102。参考图16，该装置1600可以包括：处理器1601、存储器1602、收发器1603和总线1604。其中，总线1604用于连接处理器1601、存储器1602和收发器1603。通过收发器1603(可以是有线或者无线)可以实现与其他设备之间的通信连接，例如分析设备可以通过收发器接收能见度信息。存储器1602中存储有计算机程序，该计算机程序用于实现各种应用功能。该装置1600例如是服务器、服务器集群，或者云计算系统。152.应理解，在本技术实施例中，处理器1601可以是cpu，该处理器1601还可以是其他通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、gpu或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。153.存储器1602可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是rom、prom、eprom、eeprom或闪存。易失性存储器可以是ram，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如sram、dram、sdram、ddr sdram、esdram、sldram和dr ram。154.总线1604除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线1604。155.处理器1601被配置为执行存储器1602中存储的计算机程序16021，处理器1601通过执行该计算机程序16021来实现上述方法实施例提供的团雾检测方法。156.本技术实施例还提供了一种计算机存储介质，所述计算机存储介质上存储有指令，当所述指令被图像采集设备的处理器执行时，实现上述方法实施例提供的能见度检测方法；或者，当所述指令被分析设备的处理器执行时，实现上述方法实施例提供的能见度检测方法和/或团雾检测方法。157.本技术实施例还提供了一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述方法实施例提供的能见度检测方法和/或团雾检测方法。158.本技术实施例还提供了一种团雾检测系统，包括：分析设备和间隔设置的多个图像采集设备，每个图像采集设备的拍摄区域内设置有至少一个标志物。159.图像采集设备用于向分析设备发送该图像采集设备采集到的图像。分析设备用于采用目标检测算法检测该图像中是否存在标志物成像，响应于该图像中存在标志物成像，获取该标志物成像对应的可见标志物到该图像采集设备的距离，并根据该可见标志物到该图像采集设备的距离，确定该图像采集设备所在位置的能见度。分析设备还用于根据多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾。160.或者，图像采集设备用于采用目标检测算法检测该图像采集设备采集到的图像中是否存在标志物成像，响应于该图像中存在标志物成像，获取该标志物成像对应的可见标志物到该图像采集设备的距离，并根据该可见标志物到该图像采集设备的距离，确定该图像采集设备所在位置的能见度。图像采集设备还用于向分析设备发送该图像采集设备所在位置的能见度。分析设备用于根据该多个图像采集设备所在位置的能见度，确定该多个图像采集设备的监测范围内是否发生团雾。161.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如：同轴电缆、光纤、数据用户线(digital subscriber line，dsl))或无线(例如：红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如：软盘、硬盘、磁带)、光介质(例如：数字通用光盘(digital versatile disc，dvd))、或者半导体介质(例如：固态硬盘(solid state disk，ssd))等。162.在本技术实施例中，术语“第一”、“第二”和“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。163.本技术中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。164.以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的构思和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!